Qué es un agente de IA (y en qué se diferencia de un chatbot)
Un chatbot contesta. Un agente hace. La distinción no es de vocabulario: son cuatro capacidades que se pueden verificar antes de firmar.
En los últimos dos años la palabra «agente» pasó de los papeles académicos a los folletos comerciales, y por el camino perdió el significado. Hoy casi cualquier cosa que conteste mensajes se vende como agente de IA: menús de botones de hace diez años, formularios con otra ropa, chatbots de árbol de decisiones.
La diferencia importa por el precio y, sobre todo, por la responsabilidad. Un chatbot que se equivoca da una respuesta rara. Un agente que se equivoca cancela una cita, manda un correo o modifica un registro.
Qué es un agente de IA
Un agente de IA es un programa que usa un modelo de lenguaje para decidir qué hacer ante una petición en lenguaje natural, y que además puede ejecutar acciones reales —consultar una agenda, escribir en una base de datos, enviar un mensaje— y comprobar el resultado antes de responder. Un chatbot, en cambio, solo produce texto.
La palabra clave es ejecutar. Un chatbot le dice al cliente «puede agendar el jueves a las 3». Un agente consulta el calendario, ve que el jueves a las 3 está ocupado, ofrece las 4, y cuando el cliente acepta, escribe la cita. El primero informa; el segundo hace, y por lo tanto puede equivocarse de maneras que cuestan dinero.
Las cuatro diferencias que sí se pueden comprobar
«Es más inteligente» no es una diferencia verificable. Estas cuatro sí, y se pueden preguntar en una demostración de quince minutos.
1 · Herramientas: ¿puede tocar algo fuera de la conversación?
Un modelo de lenguaje, por sí solo, únicamente genera texto. Para hacer cualquier otra cosa necesita herramientas: funciones que el programa le expone y que el modelo puede pedir que se ejecuten —«consultá la disponibilidad del jueves», «guardá esta cita», «buscá este cliente»—. El programa las ejecuta y le devuelve el resultado.
Sin herramientas no hay agente. Hay un generador de texto muy convincente, que es exactamente lo que produce las respuestas inventadas: si el modelo no puede consultar la agenda, se la imagina.
Cómo comprobarlo: pida que le enseñen, en la demostración, qué pasa cuando el sistema externo no responde. Un agente de verdad tiene una respuesta prevista para eso. Un chatbot disfrazado seguirá contestando con seguridad y con datos falsos.
2 · Memoria: ¿se acuerda de quién es usted?
Los modelos de lenguaje no recuerdan nada entre una conversación y otra. Lo que parece memoria es el programa guardando el historial y volviéndoselo a pasar al modelo en cada turno.
Eso tiene dos consecuencias prácticas. La primera es que la memoria hay que construirla a propósito y decidir dónde vive, cuánto dura y qué se borra. La segunda es que cada turno de conversación cuesta un poco más que el anterior, porque el historial crece; por eso los sistemas serios resumen las conversaciones largas en vez de arrastrarlas enteras.
3 · Autonomía: ¿decide o sigue un guion?
Un chatbot de árbol recorre un guion que alguien dibujó: si el cliente dice A, ir a B. Funciona perfecto mientras el cliente diga A, y se rompe con «disculpe, ¿todavía atienden los sábados o cambiaron el horario?».
Un agente no tiene guion: tiene un objetivo, un conjunto de herramientas y unas reglas. Ante la misma pregunta decide qué consultar y en qué orden. Eso es lo que le permite manejar lo que nadie previó, y también lo que lo vuelve más difícil de probar: no hay un diagrama que auditar, hay un comportamiento que hay que poner a prueba.
4 · Verificación: ¿quién le dice que no?
Esta es la que casi nadie pregunta y la que más caro sale.
En un sistema bien construido, el modelo propone y el código dispone. Las reglas duras del negocio —horarios, días cerrados, duración de cada servicio, cuántas personas caben a la misma hora— se validan en código, fuera del modelo. Si el modelo propone una cita a las 8 de la noche de un domingo, el código la rechaza y le devuelve el motivo para que reformule.
Un sistema donde el modelo decide solo sobre la agenda funcionará muy bien en la demostración y le agendará una cita imposible en el segundo mes. Nosotros lo tratamos como una regla de construcción, no como una preferencia: en la anatomía de un asistente de citas está descrito pieza por pieza.
Chatbot, automatización y agente, uno al lado del otro
| Chatbot de guion | Automatización clásica | Agente de IA |
|---|---|---|
| Qué entiende | ||
| Botones y palabras exactas | Nada: reacciona a eventos | Lenguaje natural, con errores de tecleo y rodeos |
| Qué hace | ||
| Responde texto fijo | Ejecuta pasos siempre iguales | Decide qué pasos ejecutar y los ejecuta |
| Ante lo imprevisto | ||
| Se rompe o repite el menú | Falla y avisa | Improvisa — para bien y para mal |
| Costo por uso | ||
| Prácticamente cero | Bajo y predecible | Variable: se paga el consumo del modelo y, si hay mensajería de por medio, cada mensaje |
| Dónde brilla | ||
| Preguntas repetidas y cerradas | Procesos estables de alto volumen | Conversación abierta con acciones detrás |
Las tres columnas resuelven problemas distintos, así que la pregunta útil no es cuál es mejor sino cuál es mejor para su caso en concreto. Buena parte del trabajo de una consultoría honesta consiste en decirle que su caso se resuelve con una automatización clásica o que, por el contrario, la complejidad de la tarea requiere de un agente elaborado. Ese criterio es el tema de herramienta o desarrollo a medida.
Cuándo un agente es la respuesta equivocada
- Cuando el proceso no tiene variación. Si siempre pasa lo mismo, un flujo automatizado lo hace más barato, más rápido y sin sorpresas.
- Cuando el error no es tolerable. Cobros, dosis, cálculos legales o fiscales. Un agente puede preparar el trabajo; la decisión la firma una persona.
- Cuando no hay dónde consultar la verdad. Si la información vive en la cabeza de alguien y no en un sistema, el agente no tiene qué consultar. Primero se ordena el dato, después se automatiza.
- Cuando el volumen no lo justifica. Doce mensajes al día los contesta una persona mejor y más barato.
Una precisión de vocabulario. «Agente» también se usa para sistemas de varios modelos que se coordinan entre sí, y para asistentes de programación que editan archivos. Son parientes del mismo concepto —modelo, herramientas, bucle de decisión— aplicados a otro oficio. En este artículo hablamos del uso empresarial: atender, consultar y ejecutar sobre los sistemas de una empresa.
Lo que conviene preguntar antes de firmar
- ¿Qué herramientas concretas puede usar, y qué pasa si una falla?
- ¿Qué decide el modelo y qué está validado en código?
- ¿Dónde se guarda el historial de conversación, cuánto dura y quién puede leerlo?
- ¿Cómo escala a una persona, y cómo se le devuelve el control después?
- ¿Qué pasa el día que el proveedor del modelo cambie de precio o descontinúe una versión?
Las doce preguntas completas, con la respuesta que debería tranquilizarle y la que debería preocuparle, están en el guion de compra.
Preguntas frecuentes
¿Un agente de IA es lo mismo que ChatGPT?
No. ChatGPT es un producto de conversación de propósito general; un agente de IA es un sistema construido para una tarea concreta de una empresa, que usa un modelo de lenguaje —puede ser el mismo que hay detrás de ChatGPT u otro— como una pieza más, junto a herramientas, reglas y memoria propias.
¿Un agente de IA puede inventarse datos?
El modelo que lo mueve sí puede. Por eso un agente bien construido no le deja al modelo la última palabra: consulta la información real a través de herramientas y valida en código las reglas del negocio. Si le ofrecen un agente que «no se equivoca nunca», le están vendiendo una demostración, no un sistema.
¿Cuánto cuesta mantener un agente de IA?
Tiene tres costos distintos: el consumo del modelo, que se paga por uso y sube con la cantidad de conversaciones y su longitud; la infraestructura donde corre; y el mantenimiento, que es el que más se subestima, porque los modelos cambian de versión y las reglas del negocio también. Cualquier presupuesto que solo mencione el primero está incompleto.
¿Necesito un agente de IA o me basta con una automatización?
Si el proceso siempre ocurre igual y la entrada es un formulario o un evento de otro sistema, una automatización basta y es más barata y más predecible. El agente se justifica cuando la entrada es lenguaje humano libre y hay que decidir qué hacer con ella.
Fuentes y notas
- Las descripciones de comportamiento de este artículo provienen de la construcción y operación de agentes conversacionales propios de Navhera.
- La distinción entre generación de texto y ejecución de herramientas sigue la documentación pública de los proveedores de modelos: Anthropic, Tool use with Claude, y OpenAI, Function calling. Las dos describen el mismo mecanismo: el modelo no ejecuta nada, devuelve una llamada estructurada que ejecuta el programa que lo integra.
Escrito por el equipo de Navhera y revisado antes de publicar. Si encuentra un error, escríbanos y lo corregimos con nota de la corrección.